- •Принцип практической невозможности маловероятных событий
- •Независимые и зависимые события, условная вероятность события
- •Независимые события. Теорема умножения для независимых событий
- •Вероятность появления хотя бы одного независимого события из совокупности.
- •Теорема сложения вероятностей совместных событий
- •Формула полной вероятности
- •Вероятность гипотез. Формулы Бейеса
- •Формула Бернулли
- •Локальная теорема Лапласа
- •Интегральная теорема Лапласа
- •Понятие и разновидности случайных величин.
- •Закон распределения вероятностей дискретной случайной величины .
- •Биномиальный закон распределения .
- •25. Распределение Пуассона
- •Геометрическое распределение
- •Понятие и вероятностный смысл мож дискретной случайной величины
- •Вероятностный смысл мож и мож в 1м испытании
- •Свойства 1, 2
- •Теорема о математическом ожидании биномиального закона распределения
- •Целесообразность введения рассеяния, отклонения…
- •Дисперсия
- •Свойства 1,2 дисперсии
- •Свойства 3,4 дисперсии
- •Среднеквадратическое отклонение суммы независимых случайных величин.
- •Моменты распределения дискретных случайных величин
- •Коэффициент ассиметрии.
- •Теорема Чебышева.
- •Функция распределения
- •Свойства функции распределения
- •3 Свойство функции распределения
- •Взаимосвязь функции и плотности распределения.
Моменты распределения дискретных случайных величин
МОЖ и дисперсия являются частными случаями более общего понятия, называемого моментом распределения случайной величины. В ТВ моменты служат для описания основных свойств распределения. Моментом распределения k-го порядка случайной величины X относительно некоторой постоянной С называется МОЖ k-й степени отклонения X oт постоянной С: M(X – C)k. Если постоянная С = 0, то момент называется начальным и обозначается: Начальный момент k-го порядка абсолютной величины(модуля) называется абсолютным моментом: М (│Х│k). Если в качестве С берется МОЖ mх случайной величины X, т.е. центр ее распределения, то момент называется центральным: При k=1 имеем: , т.е. начальный момент 1го порядка есть МОЖ случайной величины; = М(Х-mх) = 0 — центральный момент 1го порядка, =0. При k=2: начальный момент второго порядка ν2 = М(Х2) — МОЖ квадрата случайной величины X для вычисления дисперсии; μ2 = М(Х— mх)2 = D(X) — центральный момент 2го порядка есть D случайной величины X. μ3= М(Х— mх)3; μ 4 = М(Х— mх)4. Иногда для более полной характеристики распределений используются еще центральные моменты 3го и 4го порядков. Центральные моменты целесообразно вычислять, используя формулы, выражающие центральные моменты через начальные:
Коэффициент ассиметрии.
Коэффициент асимметрии является мерой симметричности ряда распределения относительно МОЖ. Коэффициент асимметрии - отношение центрального момента 3го порядка μ3 к кубу СКО a=
На рис1. приведены графики многоугольников распределения дискретных случайных величин. Для случайной величины X, закон распределения вероятностей, которой приведен на рис. 1а, МОЖ будет равно mх = 4. Из графика закона распределения следует, что он симметричен относительно МОЖ. Если для данного закона распределения вероятности посчитать μ3 и коэффициент асимметрии, то увидим, что μ3=0, а=0. То есть при график закона распределения является симметричным относительно МОЖ.
Для случайных величин, закон распределения вероятностей которых приведен на Рис. 1б и 1в, для МОЖй соответственно получим:
Законы распределения дискретных случайных величин с различными коэффициентами асимметрии: а) mх = 4; б)mх =4,7; в)mх = 3,3
Из приведенных графиков 1б и 1в видно, что закон распределения вероятностей для этих случайных величин является несимметричным относительно МОЖ . Для закона распределения вероятностей, на рис. 1в, μ3 и a будут иметь отрицательные значения. Для закона распределения вероятностей, приведенного на рис. 1б, центральный момент 3го порядка и коэффициент асимметрии будут иметь положительные значения.
Теорема Чебышева.
Сущность: отдельные случайные величины могут иметь значительный разброс, а их среднее арифметическое рассеянно мало. Среднее арифметическое достаточно большого числа случайных величин с большой вероятностью принимает значения, близкие к определенному постоянному числу, а именно к числу (М(Х1)+М(Х2)+…+М(Хn))/n (или к числу a в частном случае). Объясняется это тем, что отклонения каждой из величин от своих МОЖ могут быть и положительными, и отрицательными, а в среднем арифметическом они взаимно погашаются.
Значение для практики. Обычно для измерения некоторой физической величины производят несколько измерений и их среднее арифметическое принимают в качестве искомого. При каких условиях этот способ измерения можно считать правильным? Ответ на этот вопрос дает теорема Чебышева.
Действительно, рассмотрим результаты каждого измерения как случайные величины Х1,Х2…Хn. К этим величинам можно применить теорему Чебышева, если: 1) они попарно независимы, 2) имеют одно и то же МОЖ, 3) дисперсии их равномерно ограничены. 1е требование выполняется, если результат каждого измерения не зависит от результатов остальных. 2е требование выполняется, если измерения произведены без систематических (одного знака) ошибок. В этом случае мат.ожидания всех случайных величин одинаковы и равны истинному размеру а. 3е требование выполняется, если прибор обеспечивает определенную точность измерений. Хотя при этом результаты отдельных измерений различны, но рассеяние их ограничено. Если все указанные требования выполнены, мы вправе применить к результатам измерений теорему Чебышева: при достаточно большом n вероятность неравенства как угодно близка к единице. Другими словами, при достаточно большом числе измерений почти достоверно, что их среднее арифметическое как угодно мало отличается от истинного значения измеряемой величины.
На теореме Чебышева основан широко применяемый в статистике выборочный метод, суть которого состоит в том, что по сравнительно небольшой случайной выборке судят о всей совокупности исследуемых объектов. Например, о качестве кипы хлопка заключают по небольшому пучку, состоящему из волокон, наудачу отобранных из разных мест кипы. Т.е. можно заключить, что для практики теорема Чебышева имеет неоценимое значение.